河南大学坐落在国家历史文化名城河南省开封市,成立于1912年,是河南省人民政府与教育部共同建设的重点综合性大学,同时也是中西部高校基础能力建设工程、卓越医生教育培养计划、卓越教师培养计划和卓越法律人才教育培养计划建设高校,以及国家大学生文化素质教育基地入选高校。学校现有师生6万余人,现有正在使用的新校区和老校区两个校区,以及郑州的新建校区。随着国家中西部教育扶贫工作的开展,中西部教育资金投入的越来越多,同时河南大学随着学校规模的增长和终端应用多样化等信息化技术的高速发展,河南大学在信息化建设方面面临越来越多的需求和挑战。
业务的迅速发展对河南大学校园网提出了新的挑战
河南大学现网架构模糊,校园各个信息化模块之间不能完全互联互通,运维管理复杂,随着学校规模的发展,学校和学生业务应用系统的种类和数量的大幅提升,对网络支撑平台(一体化管理和网络可靠性)提出了更高的要求。现有网络中主要面临以下几方面问题急需改造:
一是现网设备陈旧,亟待更新。现网大部分设备已经使用十年以上,无法统一有效的管理,同时设备功能缺失,不能有效满足现网业务的复杂性需求。
二是可靠性差、运维管理复杂。网络架构上存在链路级单点故障,可靠性差。设备种类和型号众多,没有统一的运维管理平台进行高效、自动化的运维和管理。
三是传统三层架构无法满足新业务需求。整网采用传统三层架构,无法很好地支撑新一代云计算数据中心和无线校园的需求,无法构建面向未来的智慧校园网络的挑战。
四是认证手段不完善,效率低。现网认证采用802.1x认证,在接入交换机上,进行802.1x认证的方式暴露出很多弊端,日常维护工作量非常大,对不同操作系统的兼容性不理想,特别是版本升级时,遇到的问题会很多,对于拥有6万学生用户的网络与信息中心来说,是一个很大的负担。另通常的802.1x会使用私有属性,认证交换机和AAA认证系统之间缺乏互操作性,对高校的设备选型存在很大限制,容易被厂家绑定。而且交换机全部更换,配置工作量非常大。
同时随着无线校园的建设,如何构建无线和有线统一的认证管理也是智慧校园面临的重要挑战?
以上需求要求在网络改造过程中,对网络设备选型、组网模式选择、可靠性设计、安全防控措施等方面,进行科学规划、规范实施。
敏捷网络打造高可靠、高效率的河南大学校园网
根据河南大学智慧校园建设的要求,华为凭借在通讯领域的二十多年来的技术积累,提出了敏捷网络解决方案和有线无线统一认证的解决方案。稳定的网络架构、敏捷的业务承载、全面的网络安全、有线无线一体化认证和统一的运维管理是华为敏捷广域网络解决方案架构的核心。
华为敏捷网络解决方案和有线无线一体化认证拓扑图
改造完成后,河南大学业务运行更高效、更放心。合理的架构和统一认证管理不但让整个校园网能更好地支撑学校业务,同时让校领导、网管人员更放心,在整个河南省教育行业具有良好的示范效果,对其他高校的智慧校园建设具有很好的参考意义。华为ME60系列设备为进行统一认证管理的高效、稳定、可靠的设备,已经广泛应用于全球企业及运营商市场,在全国高校行业的统一认证方面也为最佳实践设备,在西安交通大学、西南民族大学、电子科技大学、湖北工业大学等等均有应用。
信息化助力河南教育行业、河南高校高速发展
通过本次全校园的网络改造,依托华为业界最稳定的网络产品, 河南大学打造了一张坚强可靠、持续领先、平滑演进的新一代数据承载网,完全能够满足新一代数据中心建设和无线智慧校园建设的需求。河南大学作为河南历史悠久的高等院校在未来ICT技术变革和教育变革中通过高效、先进的信息化教学模式、教育理念成为河南教育行业的佼佼者,助力河南教育行业的腾飞。
好文章,需要你的鼓励
这项研究由浙江大学、复旦大学等机构联合完成,提出了ReVisual-R1模型,通过创新的三阶段训练方法显著提升了多模态大语言模型的推理能力。研究发现优化的纯文本冷启动训练、解决强化学习中的梯度停滞问题、以及分阶段训练策略是关键因素。ReVisual-R1在各类推理基准测试中超越了现有开源模型,甚至在某些任务上超过了商业模型,为多模态推理研究开辟了新途径。
这项研究提出了一种名为"批评式微调"的创新方法,证明仅使用一个问题的批评数据就能显著提升大语言模型的推理能力。研究团队对Qwen和Llama系列模型进行实验,发现这种方法在数学和逻辑推理任务上都取得了显著提升,平均提高15-16个百分点,而且只需要强化学习方法1/20的计算资源。这种简单高效的方法为释放预训练模型的潜在推理能力提供了新途径。
新加坡国立大学研究团队开发了名为IEAP的图像编辑框架,它通过将复杂编辑指令分解为简单原子操作序列解决了当前AI图像编辑的核心难题。研究发现当前模型在处理不改变图像布局的简单编辑时表现出色,但在需要改变图像结构时效果差。IEAP框架定义了五种基本操作,并利用思维链推理技术智能分解用户指令,实验证明其性能显著超越现有方法,尤其在处理复杂多步骤编辑时。
Character AI的研究者开发出TalkingMachines系统,通过自回归扩散模型实现实时音频驱动视频生成。研究将预训练视频模型转变为能进行FaceTime风格对话的虚拟形象系统。核心创新包括:将18B参数的图像到视频DiT模型改造为音频驱动系统、通过蒸馏实现无错误累积的无限长视频生成、优化工程设计降低延迟。系统可让多种风格的虚拟角色与人进行自然对话,嘴型与语音同步,为实时数字人交互技术开辟了新可能。